De energierekening van AI krijgt een juridisch adres

Op 22 juli 2026 maakte het Amerikaanse Department of Energy de eerste geselecteerde projecten van de Genesis Mission bekend. Het programma koppelt nationale laboratoria, industrie en universiteiten met AI aan energieonderzoek, wetenschap en nationale veiligheid. De fysieke werkelijkheid achter het model stond daarmee openlijk op de agenda: laboratoria, supercomputers, koeling, netaansluitingen en energieproductie horen bij dezelfde infrastructuur. Voor Europa levert dat geen blauwdruk op. Het maakt wel zichtbaar waarom AI-recht steeds vaker bij een elektriciteitsmeter begint.

Een model heeft zelden een eigen meter

Een organisatie kan de elektriciteitsrekening van een datacenter lezen en toch niet weten welk deel bij één AI-model hoort. Training en gebruik delen accelerators, opslag, netwerkapparatuur en koeling met andere taken. Batchgrootte, precisie, wachttijd en de plaats waar een rekentaak draait veranderen het verbruik. Ook de meetgrens doet ertoe: alleen de chip, de serverwand of het hele gebouw inclusief koeling en noodstroom leveren verschillende uitkomsten op.

Dat is juridisch relevant zodra een aanbieder belooft dat een model zuinig is, een aanbestedende dienst duurzaamheid meeweegt of een afnemer emissies aan een digitale dienst wil toerekenen. Een getal zonder systeemgrens kan technisch correct en commercieel misleidend zijn. De meetgrens bepaalt de betekenis van de claim. Zij hoort daarom naast modelversie, rekenlocatie, hardwareklasse en meetperiode te staan.

Energiegebruik heeft bovendien twee tijden. Training is een afgebakende, soms zeer zware gebeurtenis. Inferentie stapelt zich op in miljoenen kleine verzoeken, inclusief mislukte antwoorden, herhaalde prompts en achtergrondprocessen. Efficiëntere modellen kunnen door groter gebruik alsnog meer stroom vragen. De juridische analyse moet dus zowel de efficiëntie per rekentaak als het totale volume kunnen zien, zonder die twee tot één keurcijfer samen te persen.

Europa meet het datacenter, nog niet elk model

De Europese wetgever heeft al een meetlaag aangelegd. Artikel 12 van de Energie-efficiëntierichtlijn verplicht lidstaten gegevens over de energieprestaties van datacenters te verzamelen. Gedelegeerde Verordening (EU) 2024/1364 werkt daarvoor informatie en prestatie-indicatoren uit. De rapportageroute ziet op datacenters met een geïnstalleerd IT-vermogen van ten minste 500 kW en omvat onder meer energie, water, temperatuur, hergebruik van restwarmte en hernieuwbare energie.

De Europese Commissie beheert hiervoor een Europese databank en publiceert geaggregeerde informatie. De Commissie vermeldt dat datacenters wereldwijd circa 415 TWh per jaar gebruiken en verwijst naar een IEA-projectie van ongeveer 945 TWh in 2030, vooral door versnelde rekenhardware voor AI. Deze cijfers zijn nuttig voor energiebeleid. Zij geven een inkoper nog geen verbruik per model, klant of antwoord.

Daar zit een belangrijk institutioneel verschil. De datacenterregels kijken naar de exploitant en de fysieke locatie. AI-contracten lopen vaak via een modelaanbieder, cloudplatform, integrator en wederverkoper. De partij die de factuur ontvangt hoeft niet de partij te zijn die model- of klantniveau kan meten. Datacentertransparantie is de bodem van de keten; contractuele toerekening moet de weg naar de afzonderlijke dienst afmaken.

De AI Act maakt energie een modelgegeven

De AI Act brengt de modelkant in beeld. Hoofdstuk V geldt sinds 2 augustus 2025. Aanbieders van general-purpose AI-modellen moeten volgens artikel 53 en bijlage XI technische documentatie bijhouden, met een overgang voor modellen die vóór 2 augustus 2025 op de markt zijn gebracht: artikel 111, lid 3, geeft hun aanbieders tot 2 augustus 2027 om te voldoen. Voor bepaalde GPAI-modellen die onder een vrije en opensourcelicentie worden uitgebracht geldt een uitzondering op delen van artikel 53, zolang het model geen systeemrisico heeft; de precieze voorwaarden van artikel 53, lid 2, blijven daarbij beslissend. Bijlage XI noemt het bekende of geschatte energieverbruik van het model en staat toe dat een schatting op informatie over gebruikte rekenbronnen berust. Een leverancier die zo'n schatting controleerbaar wil maken, doet er goed aan ook de methode, hardwarebasis en onzekerheid te documenteren. Bij modellen met systeemrisico komen zwaardere evaluatie-, risicobeheer- en rapportageplichten in beeld.

Daarnaast geeft artikel 95 ruimte aan vrijwillige gedragscodes voor milieuduurzaamheid, waaronder energiezuinig ontwerp, trainen en gebruik van AI. Dat is een minder harde route dan een uniforme meter per model. Zij kan wel invloed krijgen via standaarden, aanbestedingsvoorwaarden en gangbare zorgvuldigheid. Informatie over meetgrenzen en verbruik is daarom een verstandige contractuele aanvulling. Een leverancier die energieprestaties actief verkoopt, zal de gekozen methode moeten kunnen uitleggen en consequent toepassen.

De twee rechtslagen sluiten nog niet vanzelf op elkaar aan. Een datacenter kan zijn jaarlijkse efficiëntie correct rapporteren, terwijl een modelaanbieder een schatting hanteert op basis van een andere locatie, hardware of gebruiksverdeling. Energiegegevens vragen om herleidbaarheid tussen gebouw en model. Zonder die verbinding blijft een keurige KPI aan de ene kant losstaan van een duurzaamheidsclaim aan de andere.

Inkoop wijst het juridische adres aan

Een aanbestedende dienst of zakelijke afnemer kan die verbinding al vóór de definitieve standaardisering vastleggen. AIRecht beschreef eerder waarom hybride AI-hardware een dubbel technisch dossier nodig kan hebben. Voor energie geldt een vergelijkbare documentatielogica, met een eigen object: de meetketen van taak tot netaansluiting. Een compacte energiebijlage voorkomt dat duurzaamheid in een algemene gedragscode verdwijnt.

Een bruikbare beslissingstabel bevat ten minste de volgende velden:

• de systeemgrens: accelerator, server, datacenter of volledige dienst;
• modelversie, hardwareklasse, rekenlocatie en meetperiode;
• training, finetuning en inferentie als afzonderlijke categorieën;
• gemeten en geschatte waarden, inclusief allocatiemethode en onzekerheidsmarge;
• watergebruik, restwarmte en de gebruikte elektriciteitsmix waar deze aantoonbaar zijn;
• audittoegang, bewaartermijn en melding bij verhuizing of hardwarewijziging.

Ook de verdeling van verantwoordelijkheid hoort erbij. De cloudpartij beheert mogelijk de gebouwmeter, de modelaanbieder de rekentaak en de integrator de gebruikslogs. Contractueel kan worden bepaald wie de gegevens samenvoegt, welke bron bij tegenspraak voorgaat en wanneer een claim moet worden aangepast. Een energieclaim krijgt pas een juridisch adres als één partij haar kan onderbouwen.

Netcongestie maakt transparantie publiek

De energievraag van AI raakt meer dan de leverancier en zijn klant. Een datacenter gebruikt schaarse netcapaciteit, kan lokale water- en warmtestromen beïnvloeden en vraagt soms om ruimtelijke, milieu- of aansluitbesluiten. Dan wordt de keuze voor extra rekenvermogen onderdeel van een bestuurlijke verdeling. Een gemeente, netbeheerder of publieke inkoper moet kunnen uitleggen welke feiten aan zo'n keuze ten grondslag liggen.

Een gemiddelde efficiëntiescore beantwoordt die vraag onvoldoende. Twee installaties met dezelfde verhouding tussen totaal energiegebruik en IT-verbruik kunnen sterk verschillen in piekbelasting, locatie, hergebruik van warmte en de maatschappelijke waarde van hun rekenwerk. Voor een ziekenhuisdiagnostiek, een fraudemodel en een advertentiemachine kan dezelfde kilowatt technisch identiek zijn, terwijl de publieke afweging anders uitvalt. Infrastructuurkeuzes hebben een redengevingsplicht nodig, juist wanneer capaciteit schaars is.

Dat raakt ook vertrouwen. Burgers horen vaak dat AI processen sneller of slimmer maakt, terwijl de kosten van netverzwaring, ruimtelijke inpassing en watergebruik elders zichtbaar worden. Betrouwbare meetgegevens maken geen politieke keuze overbodig. Ze zorgen dat de keuze over publieke diensten, bedrijfsinvesteringen en leefomgeving op controleerbare feiten rust.

Schaarse rekenkracht is ook een marktordevraag

Wie goedkope stroom, een snelle netaansluiting en grote acceleratorclusters beheerst, heeft een voordeel dat verder gaat dan modelkwaliteit. Start-ups, onderzoekers en publieke instellingen kunnen afhankelijk worden van enkele infrastructuuraanbieders. Exclusieve capaciteitsafspraken, gebundelde cloud- en modeldiensten of ondoorzichtige energieopslagen kunnen overstappen duurder maken. Energiegegevens worden daarmee ook relevant voor mededinging, staatssteun en eerlijke aanbesteding.

Transparantie moet daarbij zorgvuldig worden begrensd. Gedetailleerde belastingprofielen kunnen bedrijfsgevoelig zijn of beveiligingsrisico's onthullen. Een werkbare regeling scheidt daarom openbare indicatoren, vertrouwelijke auditgegevens en klantgebonden toerekening. Toezichthouders en inkopers hebben genoeg detail nodig om claims en keuzes te controleren; publicatie van iedere technische parameter is daarvoor niet vereist.

Voor AI-, cloud- en softwarecontracten kan de AIRecht Contractscan clausules over meetgrenzen, duurzaamheidsclaims, audit, rekenlocatie, onderaannemers en wijzigingen zichtbaar maken. Bij grote infrastructuur- of GPAI-inkoop past daarnaast een afgebakende energie- en governancereview. De opgave is concreet: de energierekening van AI krijgt een juridisch adres zodra gebouwgegevens, modeldocumentatie en contractuele verantwoordelijkheid op elkaar aansluiten.

Bronnen geraadpleegd op 27 juli 2026: het openbare bericht van het Amerikaanse Department of Energy over de eerste geselecteerde Genesis-projecten van 22 juli 2026; de officiële teksten van de AI Act, de Energie-efficiëntierichtlijn en Gedelegeerde Verordening (EU) 2024/1364; en de openbare pagina van de Europese Commissie over de energieprestaties van datacenters. De Amerikaanse beleidskeuze dient als vergelijking. De Europese verplichtingen volgen uit de genoemde EU-bronnen.